R实现聚类分析

Question

我正在实现一些聚类分析算法，尤其是聚类验证算法。有交叉验证、外部索引、内部索引、相对索引等几种方式。我正在尝试实现内部索引下的算法。

内部索引 - 基于数据的内在内容。它用于在不考虑外部信息的情况下衡量聚类结构的优劣。 我的兴趣是Silhouette系数

s(i) = b(i) - a(i) / max{a(i), b(i)}

为了更清楚，我们假设我有以下多模型分布:

  library(mixtools)
  wait = faithful$waiting
  mixmdl = normalmixEM(wait)
  plot(mixmdl,which=2)
  lines(density(wait), lty=2, lwd=2)

我们看到有两个集群，截止标记在 68 左右。这里没有标签数据，所以没有基本事实来进行交叉验证(无监督)。所以我们需要一种机制来评估集群。在这种情况下，我们从可视化中知道有两个集群，但我们如何清楚地表明两个分布实际上属于集群。基于我在维基百科上的红色剪影给了我们验证。

我想实现一个方法(它实现了 Silhouette)，在我的例子中它需要一个 r 值列表，它的等待，在这种情况下的集群数量 2，以及模型，它是模型并返回平均值 s(i) .

我已经开始了，但真的不知道如何前进

Silhouette = function(rList, num_clusters, model) {

}

我的列表摘要如下所示:

               Length Class  Mode   
clust_A         416014 -none- numeric
clust_B         72737 -none- numeric
clust_C          6078 -none- numeric

myList$clust_A 将返回属于该集群的点

    [1]   13  880  497 1864  392   55 1130  248  437   37   62  153   60  117
   [15]   22  106   71 1026  446 1558   23   56  287  402   46 1506  115 2700
   [29]   67  134   48  536   41  506 1098   33   30  280  225   16   25   17
   [43]   63 1762  477  174   98   76  157  698   47  312   40    3  198  621
   [57]   15   34  226  657   48  110   23  250   14   32  137  272   26  257
   [71]  270  133 1734   78  134    8    5  225  187  166   35   15   94 2825
   [85]    2    8   94   89   54   91   77   17  106 1397   16   25   16  103

问题是我认为现有的库不接受这种类型的数据结构。

Answer 1

Silhouette 假定所有聚类具有相同的方差。

恕我直言，将此度量与 EM 聚类一起使用没有意义。